在正式走近ChatGPT Agent之前，让我们介绍一下这次谈话的几位主角，他们分别是OpenAI团队核心成员Isa Fulford、Casey Chu和孙之清。我们团队分别开发了Operator和Deep Research，在分析用户请求时发现，Deep Research的用户非常希望模型能够访问需要付费订阅的内容或有门槛的资源，而Operator恰好具备这种能力。
我们似乎正处在一个“收藏即掌握”的时代。 不管是知乎、论文库，还是小红书，只要看到一句金句、一篇好文、一个值得学习的案例，我们的第一反应往往是点个收藏，留着以后看。然而，我们真的会“回头再看”吗？
编程Agent王座，国产开源模型拿下了！就在刚刚，阿里通义大模型团队开源Qwen3-Coder，直接刷新AI编程SOTA——不仅在开源界超过DeepSeek V3和Kimi K2，连业界标杆、闭源的Claude Sonnet 4都比下去了。
关于 Kimi K2 的讨论还在发酵。
Kimi 又火了，在 DeepSeek 的热闹中沉寂大半年后，Kimi K2 悄悄在 LMArena 竞技场中从 DeepSeek 手中，夺过了全球开源第一的宝座。
LLM太谄媚！ 就算你胡乱质疑它的答案，强如GPT-4o这类大模型也有可能立即改口。
AlphaFold夺诺奖引争议！2016年，一位博士生在NeurIPS提出的研究，或许正是AlphaFold的「原型」。如今，导师Daniel Cremers发声，质问为何DeepMind忽略这项研究、不加以引用？
给AI一场压力测试，结果性能暴跌近30%。 来自上海人工智能实验室、清华大学和中国人民大学的研究团队设计了一个全新的“压力测试”框架——REST (Reasoning Evaluation through Simultaneous Testing)。
基于Qwen2.5架构，采用DeepSeek-R1-0528生成数据，英伟达推出的OpenReasoning-Nemotron模型，以超强推理能力突破数学、科学、代码任务，在多个基准测试中创下新纪录！数学上，更是超越了o3!
在 Web 端 AI 产品中，ChatBot 仍然牢牢占据访问量的主导地位，「DeepSeek」、「豆包」与「通义」位列榜单前三，构成头部竞争格局。然而，这一阵营内部也开始显现出明显的分化趋势。
